R 用于每像素图像分类/回归的mxnet
我正在寻找使用R的“mxnet”对多波段图像(RGB、多光谱/高光谱航空或卫星遥感)进行像素级分类的最佳实践或案例研究。事实上,在图像标记方面有很多最佳实践(例如,在像imagenet这样的大型图像档案中,狗和猫),其中对整个图像进行分类,并且通常有大量的训练数据(或预训练模型)可用。但是,我没有发现任何与像素级图像分类/回归相关的内容,其中训练数据通常比较稀疏,应用程序处理土地覆盖物类别、物体(如汽车、建筑物等)或生物物理变量(生物量、土壤湿度、叶绿素含量等)。FCN(完全Conv网络)是基于像素的分割,似乎适合您的需要。R 用于每像素图像分类/回归的mxnet,r,image-processing,deep-learning,mxnet,satellite-image,R,Image Processing,Deep Learning,Mxnet,Satellite Image,我正在寻找使用R的“mxnet”对多波段图像(RGB、多光谱/高光谱航空或卫星遥感)进行像素级分类的最佳实践或案例研究。事实上,在图像标记方面有很多最佳实践(例如,在像imagenet这样的大型图像档案中,狗和猫),其中对整个图像进行分类,并且通常有大量的训练数据(或预训练模型)可用。但是,我没有发现任何与像素级图像分类/回归相关的内容,其中训练数据通常比较稀疏,应用程序处理土地覆盖物类别、物体(如汽车、建筑物等)或生物物理变量(生物量、土壤湿度、叶绿素含量等)。FCN(完全Conv网络)是基于
MXNet有一个使用Python的好方法,但是如果你真的喜欢R,你应该能够转换它,或者只使用示例中提供的预先训练过的网络。这通常被称为语义分段。